精挑细淘，得到头条。我是李南南。
今天，我将从两个话题出发，为你提供知识服务。第一个是，网传百度弱智吧，成为大模型训练数据。第二个是，茅台酒价格，出现阶段性下跌。
先来看今天的第一条。说个很清奇的事，最近，AI圈里一直流传一个消息，百度的一个贴吧，叫弱智吧，已经成为中文AI大模型的重要训练数据。没错，弱智吧的帖子，成了AI的训练数据。
这事是怎么发生的？咱们先从这个弱智吧说起。先强调一句，这个弱智吧的初衷，不带有对任何人群的歧视。贴吧的主要内容，是各式各样脑洞清奇的脑筋急转弯。随便念几个帖子你听听。
比如，请用一句话证明你没有看过这句话？再比如，为什么公子是指一个人，而母子是指两个人？假如我们都是妈妈生的，那么第一个人是谁生的？假如挣钱是为了活着，那活着为什么还要挣钱？蓝牙耳机坏了，去医院是挂牙科还是挂耳科？在梦里被狗咬了，还没打疫苗就醒了怎么办？学校翻墙出去是扣分，那么假如翻墙进来是不是要加分？为什么生鱼片其实是死鱼片？
总之，全是这类画风。你可以想象一下，假如有一天，AI能回答上面这些问题，是不是可以说，它在一定程度上表现出了接近人类的幽默水平？
于是，中科院深圳先进技术研究院、中科院自动化研究所、滑铁卢大学等几所高校，就组成了一个联合团队，用弱智吧的数据来训练大模型。就在前段时间，这个课题组发布了结论。用弱智吧训练出的大模型，在很多项跑分测试中都遥遥领先。
为什么弱智吧的素材训练效果好？一个关键原因是，这些信息都带有很强的异质性。
也就是，跟过去的语料很不一样。这就好比人类平时学习，假如整天待在一个圈子里，接触的都是差不多的信息，那么他的学习速度就很慢。假如经常接触点不一样的，进展就快。
没错，机器的学习逻辑，跟人有很多共同之处。说到这，也引出一个问题，AI的学习方式，对人类有哪些启发呢？我们能从它们的方法里学到点什么呢？
今天，咱们就来回答这个问题。之前万维钢老师解读过认知科学家斯坦尼斯拉斯·迪昂的《我们如何学习》，也被翻译成《精准学习》。里面提到，机器学习，往往有这么几个要素。
首先，在机器学习中，有个方式叫有监督式学习。
说白了，
就是给机器建立一套反馈机制。它每做一个动作，这个机制都会告诉它，哪里做得不够好，哪些参数需要调整。
同样，
一个人不管多厉害，个人能力多强，他也需要一个这样的反馈机制。
比如，海明威、菲茨杰拉德、托马斯·沃尔夫，这几位作家的编辑都是同一个人，叫麦克斯威尔·珀金斯。对这些作家来说，珀金斯就是这个反馈机制。比如，沃尔夫最著名的作品之一《天使，望故乡》，多好的书名。这个名字就是在珀金斯的建议下改的。沃尔夫最早自己起的书名叫《噢，失落》。再比如，海明威和菲茨杰拉德，都属于优点跟缺点同样明显。怎么把缺点的影响克服掉？主要也靠珀金斯。
换句话说，
成才不是一蹴而就的，再厉害的人，也需要可供攀登的阶梯。而来自外部的反馈，就是这个阶梯。
其次，在机器学习中，还有个因素，叫，随机变化。
也就是，即使机器的运算结果已经很让人满意，但研究者想看看，还能不能再多出一些惊喜。这时，他们就会刻意给机器输入一些随机变量，没准就有意外的收获。
回到人的学习与创造，历史上的很多创新，最开始都来自一个随机的意外。比如，烟雾报警器，最开始是1930年，一个瑞士的物理学家，叫沃尔特·耶格，他想发明一个毒气探测器。结果实验时，这个探测器吸进去一口烟，而且反应很明显。这个发现就催生了现代的烟雾报警器。那口被吸进去的烟，就是报警器的随机变量。
再比如，蛋卷冰激凌，据说是一个卖蛋饼的商贩，有天蛋饼不好卖，他就改卖冰激凌。但剩下的蛋饼怎么办？他就想到，把蛋饼做成锥桶状，把冰激凌放在里面。于是，就有了蛋卷冰激凌。对这个商贩来说，冰激凌就是触发创新的随机变量。
换句话说，
学习的本质，就是从已知向未知前进。而引入随机性的本质，就是主动把这个未知加进来。
最后，在机器学习中，还有个因素叫内在知识。
有种算法叫卷积算法，这个算法的特点就是，用已知观察未知。比如，看图。卷积算法不是从零开始，而是它已经了解一些基本的图形，像圆圈、方块、三角等等。你再给它看任何新形状，它都会先把这个新形状分解成已知的形状，再去理解。说白了，它是在用已有的内在知识，去解读外部的未知信息。同样，回到人的学习，最好也先建立一点内在知识。
比如，一个物理学家学哲学，就要比咱们普通人快得多。不是因为智商高，而是因为他已经具备大量的内在知识。当他用物理学的知识去理解哲学，效率就高很多。就像普鲁斯特说的，真正的发现之旅，不是发现新的风景，而是寻得新的眼睛。这个眼睛，就可以理解成我们观察世界使用的内在知识。
换句话说，
一旦你精通一个领域，你就更有可能精通第二、第三个领域。
好，这是机器学习的要素。反馈机制、随机变量，以及内在知识。人的学习，也需要它们。
其实，关于机器的思考方式，还有很多能借鉴的。
比如，37%原则。你可能听说过。说的是，假如做一个重大决策，但手头没有任何信息。比如求职，完全不了解要去的公司。对计算机来说，这个状况叫零信息博弈。也就是什么信息都没有的博弈。而关于这个状况，计算机早就算出了最佳策略，这就是，在37%之后做决定。比如，你打算面试100家公司。按照37%原则，前37家公司就算再好，都不要做决定。从第37家往后，一旦出现比前面都好的，就选它。注意，这不是十拿九稳的方法，但能最大限度提升你做出最佳决策的概率。
再比如，过度拟合。拟合，是一套计算与预测的方法。比如你想用计算机预测下个星期的堵车程度，你就可以先搜集过去几年同时间段的堵车情况，然后让机器根据过去的情况，预测未来的情况。但有时，假如你关注的细节过多，比如把极端天气、外星人入侵这种极小概率的事件全考虑进来，你会发现，这个预测反而不准。这个因为
过度关注细节，而丧失了整体准确性的情况，就属于过度拟合。
同样，放在人的学习上，很多时候，需要一点提纲挈领的架势。比如，很多人说读书要快，要刷书，为的就是快速了解知识的全貌。这就像看山，站得远一点，更能看清它的样子。
好，关于机器的学习方法，咱们先说到这。有人可能发现了，这些方法，最初其实都来自人。人按照自己的思考方式，设计了机器的思考方式。而这个过程，又让人更了解自己。比如，人对大脑的研究。最早在蒸汽机时代，有人提出人脑的蒸汽机模型。而到了计算机时代，又有人提出大脑的计算机模型。农耕时代的人对脑科学没什么概念，否则他们大概率会提出大脑的农田模型或者犁耙模型。而在这个模型刷新的过程中，人类对大脑的了解也越来越多。换句话说，
人类的每个发明，都像一面镜子，让人类更了解自己。
再来看今天的第二条。最近，茅台降价了。确切地说，是茅台的柜台价，也就是经销商直接售卖给顾客的价格，出现了下降。关于这次降价，有几种不同的说法。有人说这是因为消费降级。也有人说这只是阶段性下降，还有人找到往年数据，据说往年这个时候茅台也降价。
但是，我们今天要说的重点不是茅台，而是想借着这个消息说一个问题，这就是，一款酒是怎么把自己卖贵的？咱们说一个国外的案例，日本的一个清酒品牌，最近几年在咱们中国也挺火，叫獭祭。价格按照款式不同，从几百到上千不等。
为什么选獭祭作为案例？主要是因为它的方法中，有一项特别容易迁移，对其他行业或许也有用。这就是，它特别擅长搞可视化，也就是，每个动作都一定让用户可感。
比如，假如有款酒跟你说，这个品牌有多深厚的文化底蕴，有复杂的工艺。除非是你懂酒，否则大多数人，不是听不懂，就是没感觉。
你看看獭祭是怎么解决这个问题的。他们给自己选定的品类，叫大吟酿，属于米酒。为什么选这个品类？一个关键原因是，这个大吟酿，有一个特别好识别的技术参数，叫做研磨留存度。也就是，把大米的外面磨掉百分之多少，保留百分之多少的芯。比如，研磨留存度40%，就是把大米外面磨掉60%，只保留剩下那40%的芯。很明显，就算再外行也能看懂，研磨留存度越低，成本就越高，耗时就越长。这就好比炒菜，你只保留一个白菜心，就是要比整颗白菜一起炒成本要高。跟手艺没关系，这就是刚性的成本。
一旦锁定这个品类，目标就清晰了。我只需要锁定一个指标，就是留存度。只要我能一直把这个留存度压低，再外行的人也知道我这个酒成本高。你看，这就有点工科思维的味道。大家不用讲故事，不用拼广告，咱们就看数字指标。
听到这，你可能会说，好多人喝酒，还是希望这里面有点手艺方面的元素。否则都是冷冰冰的机器和数字，好像哪差点什么。怎么办？獭祭想了个办法，定期举办手艺大赛。入职3到5年的员工，都必须参加。这也是在告诉外人，你看，我们是有手艺，有传承的。
再比如，獭祭每年会搞大米评选，选出的优胜米，獭祭会以市场价的25倍买入。注意，本来这米没那么贵，獭祭就是故意要花这么多钱。为的就是让用户看见，这个原料不便宜。这些米做出的酒，獭祭还会拿出一部分，每年去苏富比拍卖，为的也是让大家看见。
再比如，獭祭全世界跟高级餐厅合作。再比如，獭祭的现任社长樱井一宏，特别喜欢到处讲座，每年要在外面做至少20场讲座。这些动作都是为了让自己被看见。
你看，獭祭的操作，是不是很像我们经常说的，被看见，本身就是种优势。
做成一件事的关键，也许就是让自己的每一项成本、每一个动作，都变得可见、可感、可识别。
最后，总结一下，今天说了两个话题。
第一，怎样借鉴机器的学习方式？关键在于给自己设立三个学习要素，反馈机制、随机变量与内在知识。同时，这些发明本身，也是我们了解自己的镜子。
第二，獭祭是怎么做酒的？核心是，让自己的每一个动作，都能清晰地被外行人看到。换句话说，让自己的优势被看见，这本身就是个巨大的优势。
接下来一点时间，想跟你做个预告。在“五一”期间，得到为你准备了“小长假的7种打开方式”，比如，如何做一场有知识的深度游，还有，假期应该读哪些好书，以及，如何趁小长假掌握一项AI新技能等等。每项活动，都能为你的假期，增加一点儿知识趣味。现在可以点击文稿结尾的链接，看看具体的活动信息，欢迎你来参加。
好，以上就是今天的内容。《得到头条》，明天见。
1. 怎样借鉴机器的学习方式
